XiaoMi-AI文件搜索系统
World File Search System误差
量子门误差的计算高效零噪声外推
本报告是由美国政府某个机构资助的工作报告。美国政府或其任何机构、其雇员、承包商、分包商或其雇员均不对所披露信息、设备、产品或流程的准确性、完整性或任何第三方的使用或此类使用结果做任何明示或暗示的保证，或承担任何法律责任或义务，或表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务，并不一定构成或暗示美国政府或其任何机构、其承包商或分包商对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
TEVoT：动态电压和温度变化下功能单元的时序误差建模
摘要 —随着 CMOS 技术的不断扩展，微电子电路越来越容易受到微电子变化的影响，例如工作条件的变化。这种变化会导致微电子电路的延迟不确定性，从而导致时序误差。电路设计人员通常在电路和架构设计中使用保守的保护带来解决这些错误，但这可能会导致操作效率的显著损失。在本文中，我们提出了 TEVoT，这是一种监督学习模型，可以预测不同工作条件、时钟速度和输入工作负载下功能单元 (FU) 的时序误差。我们执行动态时序分析来表征不同条件下 FU 的延迟变化，并在此基础上收集训练数据。然后，我们从训练数据中提取有用的特征并应用监督学习方法建立 TEVoT。在 100 种不同的工作条件、4 种广泛使用的 FU、3 种时钟速度和 3 个数据集中，TEVoT 的平均预测准确率为 98.25%，比门级仿真快 100 倍。我们进一步使用 TEVoT 通过将电路级时序误差暴露到应用程序级来估计不同操作条件下的应用程序输出质量。在 100 种操作条件下，TEVoT 对两个图像处理应用程序的平均估计准确率达到 97%。
表征基于体素的激光扫描匹配中的透视误差
摘要本文量化了限制激光扫描匹配精度的误差源，特别是对于基于体素的方法。LIDAR扫描匹配匹配，用于DEAD RECKONING（也称为LiDAR Odometry）和映射，计算最能使一对点云对齐的旋转和翻译。透视错误是从不同角度观看场景时发生的，从每个角度看，不同的表面变得可见或遮挡。要解释在数据中观察到的透视异常，本文模拟了代表城市景观的两个对象的透视误差：一个圆柱形柱和一个双壁cor ner。对于每个对象，我们提供了基于体素的LIDAR扫描匹配的透视误差的分析模型。然后，我们分析当配备激光雷达的车辆越过这些物体时，透视误差是如何产生的。
用于检测主动矫形器装置引入的误差的 EEG 和 EMG 数据集
外骨骼和矫形器经常用于促进运动障碍患者的肢体运动，因为它们可以使用脑电图 (EEG) 信号整合镜像疗法等经典治疗方法（Kirchner 等人，2013 年；Kirchner 和 Bütefür，2022 年）。除了触发外骨骼辅助外，EEG 还可用于推断运动意图（Kirchner 和 Bütefür，2022 年），这已被证明对于成功的神经康复至关重要（Noda 等人，2012 年；Hortal 等人，2015 年）。此外，EEG 还可用于推断人类观察或与之交互的机器人行为的主观正确性，正如 Iturrate 等人（2015 年）和 Kim 等人（2017 年、2020 年）在多篇论文中所证明的那样。为了验证辅助设备的正确性，深入了解患者感受到的支持水平非常重要。具体而言，必须评估患者是否感觉到机器人辅助系统所犯的错误。对于某些辅助设备，支持可以通过视觉观察到，并且可以根据从 EEG 信号中检测到的 ErrP 验证和调整主观正确性（Batzianoulis 等人，2020 年）。但是，对于患者佩戴的机器人，例如主动外骨骼或主动矫形器（Kirchner 和 Bütefür，2022 年），患者可能看不到但能感觉到不正确的行为。因此，研究外骨骼或矫形器中不正确行为的触觉检测是否会引发与视觉观察到的行为类似的事件相关电位 (ERP) 是有意义的。这些信息可用于纠正患者感知到的不正确行为[有关此已发布数据集的初步结果以及关于利用不同模式传输错误信息的进一步讨论，请参阅 Kim 和 Kirchner (2023)]。在脑电图研究中，当观察到错误行为（Iturrate 等人，2010 年；Kim 和 Kirchner，2013 年）、收到指示错误事件的反馈（Holroyd 和 Coles，2002 年）或在交互过程中发生错误（Kim 等人，2017 年）时，就会引发所谓的错误相关电位 (ErrP)。Chavarriaga 等人 (2014 年) 对此进行了全面的综述。此外，通过检测 ErrP 从脑电图中推断错误具有挑战性，因为它需要对相关模式进行异步分类（Kim 等人，2023 年）。这种异步分类通常会导致大量假阳性，因为与系统的交互时间较长或任务执行时间延长（Omedes 等人，2015 年；Spler 和 Niethammer，2015 年；Lopes-Dias 等人，2021 年）。在大多数研究中，视觉刺激用于诱发错误相关电位 (ErrPs)（例如，van Schie 等人，2004 年）。虽然一些研究
Microsoft Word - 地面、移动和机载 LiDAR 的精度和误差评估.doc
检查三角网格时，这种方法的弱点立即显现出来。典型点间距沿任何轴在 0.25 到 1.5 米之间。这使得 ALS 数据的水平精度报告不超过 0.125-0.75 米，因为在任何计算中假设优于最大不确定度在统计上是不合理的。在此示例中，水平点间距为 0.25 米的 ALS 数据的最大不确定度为 0.125 米（此评估网格的任何三角形最短边的 1/2 为 0.125 米）。由于 ALS 点在现实世界中的水平定位范围从几毫米到超过一米，每个 ALS 点的水平定位误差变得更加重要，因为只有少数 ALS 点用于定义整个数据集的定位。实际上，这意味着通过这种方法可以实现的唯一实际调整可以在图 1 中以图形方式显示的示例中找到。当由 ALS 点形成的三角形相差分米时，垂直调整和精度评估不应优于分米级。使用当代的孤立 GCP 方法，可以声明不符合位置精度的位置精度。换句话说，空间频率高于所述精度。一个适合比较的例子是用于信号处理领域中频率确定的 Nyquest 采样定理。作为此应用的粗略简化近似，Nyquest 定理要求必须采用大约四倍于 ALS 空间频率的采样率。对于 ALS 数据，这意味着除非使用四倍于 ALS 数据的点密度进行评估，否则不应说明准确度。这就需要一种更先进、更完善的 ALS 调整和准确度报告方法。
评估近期量子计算机上纠缠量子态的误差缓解策略
摘要：纠缠是量子力学特性之一，最近出现的量子计算机将计算能力成倍增加归因于纠缠。然而，这些系统受到一系列噪声诱导物理过程和硬件级缺陷的影响，导致量子电路的结果出现错误。量子误差缓解算法旨在缩短有足够的量子比特来补偿这些影响的时间，以提高近期量子设备的结果准确性。这项实证研究描述并比较了在真实量子计算机上纠缠条件下量子态误差缓解的常用基本方法。结果表明，两种易于实施的电路设计和测量误差缓解技术可以显著提高结果质量。
有效校正由共同涨落子引起的失相量子误差
量子纠错有望成为大规模量子技术中必不可少的一项技术。然而，它需要大量的量子比特开销，这被认为极大地限制了它在近期较小设备中的实用性。在这里，我们介绍了一种新型专用量子纠错码系列，与通常的重复码相比，它们可以成倍地减少开销。它们是针对当前实验中常见且重要的退相干源量身定制的，其中量子比特寄存器通过耦合到公共涨落器（例如谐振器或自旋缺陷）而受到相位噪声的影响。最小实例将一个逻辑量子比特编码为两个物理量子比特，并使用恒定数量的一量子比特和两量子比特操作将退相干校正为领先阶。更一般地说，虽然 n 个量子比特上的重复码将错误校正为 t O ð n Þ 阶，其中 t 是恢复之间的时间，但我们的代码校正为 t O ð 2 n Þ 阶。此外，它们对于小型和中型设备中的模型缺陷具有很强的鲁棒性，它们已经在错误抑制方面提供了显著的增益。因此，这些硬件高效的代码为近期、预容错设备中的有用量子纠错开辟了一条潜在途径。
通过与肌动蛋白相关的先天误差的棱镜在免疫细胞中重塑肌动蛋白
中国广州太阳大学医学院1宗医学院。2库里研究院，PSL大学，索邦大学，CNRS UMR3244，遗传信息动态，法国巴黎。3个细胞综合生物学研究所（I2BC），巴黎 - 萨克莱大学，CEA，CNRS，GIF-SUR-YVETTE，法国。4Écolenormalesupérieure（ibens），Écolenormalesupérieure，CNRS，INSERM，PSL大学，法国巴黎，法国，典型的NormaleSupérieure（Ibens）。5表观遗传学和细胞命运CNRS UMR7216法国巴黎的巴黎大学大学。6现在的地址：法国基因组稳定性和癌症的巴黎 - 萨克莱大学CNRS UMR9019 Institut Gustave Roussy，法国Vilejuif。7这些作者同样贡献：Xia Wu； Yaqun Liu。✉电子邮件：olivier.hyrien@bio.ens.psl.eu; chunlong.chen@curie.fr; nataliya.petryk@gustaverssy.fr
